最科学的海控季度盈利预测

<![CDATA[

$中远海控 (SH601919)$ $中远海控 (01919)$

前几天 @HIS1963 大哥说自己用小学生的方法计算了 CCFI 与海控业绩及股息率的关系网页链接

今天我尝试用大学生的方法计算 CCFI 与海控季度盈利之间的关系，目的是得到预测方程，以便通过 CCFI 预测海控每季度的盈利。
废话不多先上结论：
1. 通过直线回归的方法获得了回归方程：

Y=0.12X-77
季度盈利=0.12×当季 CCFI 均值-77（单位：亿元）
意味着 CCFI 每变化 100 点，季度盈利相应变化 12 亿 （±2 亿），年化 48 亿。
2. 由于公司资产质量的飞跃和经营能力的提高，此算式可能会低估盈利水平
3.CCFI 与当季盈利相关程度非常高，相关系数高达 0.95（最大值是 1.0）

4.CCFI 处于极小值 （1000 以下） 或者极大值 （3000 以上） 时，此算式预测的盈利与实际值之间可能会出现较大偏差。原因是显而易见的，运价处于极值的时候，公司很可能会在会计规则内调整业绩。

下面是统计学推导过程，不感兴趣的朋友可以直接跳到应用示例部分。
在统计学上要研究两个相关变量之间的关系，通过一个变量预测另一个变量，最经典的方法是通过既往历史前值拟合出线性回归方程。线性回归有多种形态，其中最简单的形态是直线回归。我们需要先画出散点图，观察前值分布是否符合直线回归，再进行拟合计算。如果散点图不呈现线性关系，则不能做线性回归。

回归分析用的是统计学软件 SPSS，数据来源于 @今宵韭醒何处 兄弟做的总结表格，感谢！
1. 画散点图，将自变量 CCFI(X) 放入 X 轴; 将因变量季度盈利 (Y) 放入 Y 轴，其它默认。结果见图一，初步目测还是比较符合直线分布的。但是在 CCFI 较小和较大值，也就是两端，分布比较分散。
2. 菜单选择分析-回归-线性，确定后秒出结果
3. 结果解读 (图二对应红字)：

A. R (0.95)是两者相关系数，CCFI 与当季盈利相关程度非常高。
B. 斜率 0.119，是方程中最关键的系数 k，Constant(回归方程的截距) 是方程中的常数项 b，负的 77
C. 斜率的 95% 置信区间，你可以理解为斜率可能的高低值 （0.1-0.137），如果你觉得方程可能低估了盈利，那把 0.12 替换为 0.14，算出来预测盈利就会高很多。相反你就取 0.1
其他一些统计检验都是对上述数值的有效性进行检验，结果显示无论是直线关系还是斜率、常数项都是有统计学意义的。
因此，建立回归方程 Y=0.12X - 77，X 为 CCFI，Y 为当季盈利。
应用示例见图三：在电子表格软件中建立本方程式，输入今年第二季度 CCFI 均值以及第三、第四季度模拟均值 （仅用于示范，不可当真），可得出相应季度预测盈利，以及可能的取值区间。

本研究局限性：
1. 采纳数据时间跨度较大，涵盖了海控暴富前后，但资产质量的改善会显著提升盈利能力；另一方面由于公司减少了中间环节蚕食利润，拓展了上下游供应链业务，相比 21.22 年盈利能力更强。因此本方程大概率会低估盈利约 10-20%
2. 当运价处于极低或极高值时，公司可能会调整业绩，从而产生较大不确定性，因此本方程最适用于 CCFI 在 1000-3000 之间的范围内。
3. 采纳的样本量为 20 个，不算少但也不算很多，后续期望能纳入更多的业绩数据以改善本方程预测准确度。
4. 本研究仅限于预测季度盈利，由于全年运价波动性较大，不宜直接×4 用于预测年度盈利 （但可以做梦）。
全文结论

本文通过线性回归的方法获得了海控季度业绩的预测方程式，主要结果显示当季度平均 CCFI 每提升 100 点，季度盈利相应提升约 12 亿 （潜在区间 10-14 亿）。在应用本方程进行预测时，需要注意应用范围及潜在风险。欢迎各路统计学大神指点，进一步完善。
后记：由于运费的延迟结算，也有人认为当季 CCFI 的变化可能更多地反映在海控的下一季盈利中。因此我们也计算了当季 CCFI 与下季盈利之间的相关性，相关系数为 0.88，低于当季盈利的相关系数 （0.95）。据此可以认为与当季盈利相关程度更高。

本话题在财经新闻有 120 条讨论，点击查看。
财经新闻是一个投资者的社交网络，聪明的投资者都在这里。
点击下载财经新闻手机客户端 bestfinancenews/xz]]>

#最科学的海控季度盈利预测